Insuficiência cardíaca e inteligência artificial: algoritmo de autoaprendizagem para detectar sinais invisíveis ao ECG

Insuficiência cardíaca e inteligência artificial: um algoritmo de computador baseado em inteligência artificial especial (IA) criado por pesquisadores do Monte Sinai foi capaz de aprender como identificar mudanças sutis em eletrocardiogramas (também conhecidos como ECGs ou EKGs) para prever se um paciente estava sofrendo de insuficiência cardíaca

Algoritmos de autoaprendizagem reconhecem problemas de insuficiência cardíaca

“Nós mostramos que algoritmos de aprendizado profundo podem reconhecer problemas de bombeamento de sangue em ambos os lados do coração a partir de dados de formas de onda de ECG”, disse Benjamin S. Glicksberg, PhD, professor assistente de Genética e Ciências Genômicas e membro do Hasso Plattner Institute for Digital Health at Mount Sinai, e um autor sênior do estudo publicado no Journal of the American College of Cardiology: Cardiovascular Imaging.

“Normalmente, o diagnóstico desse tipo de doença cardíaca requer procedimentos caros e demorados.

Esperamos que este algoritmo permita um diagnóstico mais rápido de insuficiência cardíaca. ”

O estudo foi conduzido por Akhil Vaid, MD, um pós-doutorado que trabalha em Glicksberg labby Girish N. Nadkarni, MD, MPH, CPH, Professor Associado de Medicina na Escola de Medicina Icahn no Monte Sinai, Chefe da Divisão de Data-Driven and Digital Medicine (D3M), e um autor sênior do estudo.

Afetando cerca de 6.2 milhões de americanos, a insuficiência cardíaca ou insuficiência cardíaca congestiva ocorre quando o coração bombeia menos sangue do que o corpo normalmente necessita

Durante anos, os médicos confiaram fortemente em uma técnica de imagem chamada ecocardiograma para avaliar se um paciente pode estar apresentando insuficiência cardíaca.

Embora úteis, os ecocardiogramas podem ser procedimentos trabalhosos que são oferecidos apenas em hospitais selecionados.

No entanto, descobertas recentes em inteligência artificial sugerem que eletrocardiogramas - um dispositivo de registro elétrico amplamente usado - podem ser uma alternativa rápida e prontamente disponível nesses casos.

Por exemplo, muitos estudos mostraram como um algoritmo de “aprendizado profundo” pode detectar fraqueza no ventrículo esquerdo do coração, que empurra sangue recém-oxigenado para o resto do corpo.

Nesse estudo, os pesquisadores descreveram o desenvolvimento de um algoritmo que avaliou não apenas a força do ventrículo esquerdo, mas também do ventrículo direito, que recebe o sangue desoxigenado do corpo e o bombeia para os pulmões.

“Embora atraente, tradicionalmente tem sido um desafio para os médicos usar ECGs para diagnosticar a insuficiência cardíaca.

Isso ocorre em parte porque não há critérios de diagnóstico estabelecidos para essas avaliações e porque algumas alterações nas leituras de ECG são simplesmente sutis demais para serem detectadas pelo olho humano ”, disse o Dr. Nadkarni.

“Este estudo representa um passo empolgante para encontrar informações ocultas nos dados de ECG que podem levar a melhores paradigmas de triagem e tratamento usando um teste relativamente simples e amplamente disponível.”

Normalmente, um eletrocardiograma envolve um processo de duas etapas.

Os fios são presos a diferentes partes do tórax do paciente e, em minutos, uma máquina portátil especialmente projetada imprime uma série de linhas onduladas, ou formas de onda, representando a atividade elétrica do coração.

Essas máquinas podem ser encontradas na maioria dos hospitais e ambulâncias em todos os Estados Unidos e requerem treinamento mínimo para operar.

Para este estudo, os pesquisadores programaram um computador para ler eletrocardiogramas de pacientes, juntamente com dados extraídos de relatórios escritos resumindo os resultados de ecocardiogramas correspondentes obtidos dos mesmos pacientes.

Nessa situação, os relatórios escritos agiam como um conjunto padrão de dados para o computador comparar com os dados do eletrocardiograma e aprender como identificar os corações mais fracos.

EQUIPAMENTO DE ECG? VISITE O ESTANDE ZOLL NA EXPO DE EMERGÊNCIA

Insuficiência cardíaca: programas de processamento de linguagem natural ajudaram o computador a extrair dados dos relatórios escritos

Enquanto isso, redes neurais especiais capazes de descobrir padrões em imagens foram incorporadas para ajudar o algoritmo a aprender a reconhecer as potências de bombeamento.

“Queríamos impulsionar o estado da arte desenvolvendo IA capaz de compreender todo o coração de forma fácil e econômica”, disse o Dr. Vaid.

O computador então leu mais de 700,000 eletrocardiogramas e relatórios de ecocardiograma obtidos de 150,000 pacientes do Sistema de Saúde Mount Sinai de 2003 a 2020.

Dados de quatro hospitais foram usados ​​para treinar o computador, enquanto os dados de um quinto foram usados ​​para testar como o algoritmo funcionaria em um ambiente experimental diferente.

“Uma vantagem potencial deste estudo é que envolveu uma das maiores coleções de ECGs de uma das populações de pacientes mais diversas do mundo”, disse o Dr. Nadkarni.

Os resultados iniciais sugeriram que o algoritmo foi eficaz em prever quais pacientes teriam ventrículos esquerdos saudáveis ​​ou muito fracos.

Aqui, a força foi definida pela fração de ejeção do ventrículo esquerdo, uma estimativa de quanto fluido o ventrículo bombeia a cada batimento, conforme observado em ecocardiogramas.

Os corações saudáveis ​​têm uma fração de ejeção de 50% ou mais, enquanto os corações fracos têm uma fração de ejeção igual ou inferior a 40%.

O algoritmo foi 94% preciso ao prever quais pacientes tinham uma fração de ejeção saudável e 87% ao prever aqueles que tinham uma fração de ejeção abaixo de 40%.

CARDIOPROTECÇÃO E RESSUSCITAÇÃO CARDIOPULMONAR? VISITE AGORA O ESTANDE EMD112 NA EXPO DE EMERGÊNCIA PARA SABER MAIS

No entanto, o algoritmo não foi tão eficaz em prever quais pacientes teriam o coração ligeiramente enfraquecido

Nesse caso, o programa foi 73% preciso ao prever os pacientes que tiveram uma fração de ejeção entre 40 e 50%.

Outros resultados sugeriram que o algoritmo também aprendeu a detectar fraquezas da válvula certa a partir dos eletrocardiogramas.

Nesse caso, fraqueza foi definida por termos mais descritivos extraídos dos laudos do ecocardiograma.

Aqui, o algoritmo foi 84 por cento preciso em prever quais pacientes tinham válvulas direitas fracas.

“Nossos resultados sugeriram que esse algoritmo pode eventualmente ajudar os médicos a diagnosticar corretamente a falha em ambos os lados do coração”, disse Vaid.

Finalmente, uma análise adicional sugeriu que o algoritmo pode ser eficaz na detecção de fraqueza cardíaca em todos os pacientes, independentemente da raça e sexo.

“Nossos resultados sugerem que este algoritmo pode ser uma ferramenta útil para ajudar os médicos a combater a insuficiência cardíaca sofrida por uma variedade de pacientes”, acrescentou o Dr. Glicksberg. “Estamos no processo de projetar cuidadosamente os estudos prospectivos para testar sua eficácia em um ambiente mais real.”

Este estudo foi financiado pelo National Institutes of Health (TR001433).

Artigo

Vaid, A., et al., Usando algoritmos de aprendizado profundo para identificar simultaneamente disfunção ventricular direita e esquerda do eletrocardiograma, Journal of the American College of Cardiology: Cardiovascular Imaging, 13 de outubro de 2021, DOI: 10.1016 / j.jcmg.2021.08.004 XNUMX.

Leia também:

Inflamações do coração: miocardite, endocardite infecciosa e pericardite

Murmúrios cardíacos: o que é e quando se preocupar

A síndrome do coração partido está aumentando: sabemos que a cardiomiopatia de Takotsubo

Fonte:

Monte Sinai

você pode gostar também